¿Qué revisar antes de implementar IA agéntica en Chile? Claves del especial del Diario Financiero

¿Qué dijo el especial del Diario Financiero sobre IA agéntica en Chile?

El especial del Diario Financiero del 21 de agosto de 2026 concluye que la IA agéntica avanza en Chile, pero sin adopción masiva todavía. El estudio Pulse of Change 2026 de Accenture, citado en el artículo y basado en entrevistas a 3 mil ejecutivos, muestra que 49% de las empresas pilotea o despliega agentes y solo 23% obtiene valor amplio y sostenido.

El artículo, firmado por Anaís Persson en la sección Ecosistema TI (página 19), reúne cuatro fuentes: el CENIA, ACTI, Accenture Chile y Muze AI. Cada una aporta una advertencia distinta sobre qué falla al pasar del piloto a producción.

Luz María García, gerenta general de ACTI, lo planteó sin rodeos: “todavía sería prematuro hablar de una adopción masiva”. La distancia entre 49% y 23% es exactamente el espacio que un checklist previo intenta cerrar.

El checklist que sigue tiene nueve pasos agrupados en tres fases. Cada paso separa lo que dijeron las fuentes del DF (hecho citado) del criterio de Muze (experiencia propia).

Fase 1: ¿El proceso justifica un agente o basta un flujo?

Un proceso justifica un agente cuando combina alto volumen documental o coordinación repetitiva con autonomía parcial y un humano en el ciclo. Ese es el patrón que, según Christopher Chávez, cofundador y CPO de Muze AI, comparten los casos que maduran en Chile. Si el proceso no decide nada, un flujo de Power Automate es suficiente y más barato de mantener.

1. Confirma que necesitas un agente, no un chatbot ni un flujo. “La diferencia no es de grado, es de rol”, dijo Christopher Chávez al DF. Su ejemplo: “Un agente puede leer un correo con una factura adjunta, extraer los datos, validarlos contra una orden de compra en el ERP y dejar el registro listo para aprobación”. Si tu caso calza con esa descripción, revisa qué puede resolver Copilot Studio como base del agente.

2. Elige un proceso documental de alto volumen como primer caso. ACTI ubica los avances en atención al cliente, gestión documental, soporte TI, análisis de datos y back office. Una recomendación práctica en la misma línea viene de El Ecosistema Startup (2026), en su revisión de casos de IA agéntica en Chile: no intentar automatizar todo simultáneamente.

   El DF consigna que Muze observa aplicaciones en bitácoras, informes de laboratorio y reportes regulatorios, como la reportería a SERNAPESCA que Muze opera para una de las cinco salmoneras más grandes del mundo. El artículo imprimió “reducciones de hasta 90% en errores de digitación”; la cifra de referencia que Muze usa para sus propios proyectos es hasta 80%.

3. Define la métrica de salida antes del piloto. Fija la línea base: horas por ciclo, errores por cada 100 registros, días hasta el cierre o el envío al regulador. En la experiencia de Muze, un piloto sin métrica acordada de antemano no tiene forma de demostrar que pertenece al 23% que captura valor y no al resto.

Fase 2: ¿Cuánta autonomía tendrá el agente y a qué datos accede?

La autonomía se delimita antes de construir: tarea, entorno y lista de acciones críticas. Sebastián Cifuentes, tech lead del CENIA, recomendó en el DF exigir aprobación humana antes de que el agente elimine, modifique o envíe información. Son tres verbos concretos que se pueden mapear uno a uno contra los conectores del agente.

4. Delimita la tarea y el entorno del agente. Cifuentes define la agencia como “independencia del sistema para decidir y ejecutar un camino para resolver una tarea, pero no necesariamente ese camino se alinea con nuestra expectativa original”. En Copilot Studio eso se traduce en instrucciones acotadas, un conjunto explícito de herramientas y fuentes de conocimiento cerradas, no “todo el SharePoint”.

5. Lista las acciones críticas y ponles aprobación humana. Recorre cada conector: toda escritura en SAP o Softland, toda modificación de un registro maestro y todo envío externo (al SII, a la CMF, a un proveedor) pasa por el conector de Aprobaciones de Power Automate. Lo que solo lee y prepara puede correr sin intervención.

“Un agente que no tiene escrito qué acciones necesitan firma humana no está listo para producción, por bien que funcione en la demo. Esa lista se hace antes de abrir Copilot Studio, no después del primer incidente.” — Marco Chávez, Fundador de Muze AI.

6. Resuelve interoperabilidad, identidades y permisos antes del piloto. ACTI identificó la interoperabilidad como una gran dificultad cuando los agentes acceden a datos corporativos: ciberseguridad, gobernanza de datos, gestión de identidades, permisos, supervisión humana y trazabilidad. En el stack Microsoft eso significa definir con qué identidad de Microsoft Entra ID corre el agente, qué tablas de Dataverse ve y qué conectores a SAP puede invocar.

   La extracción documental suele apoyarse en los modelos de procesamiento de documentos de AI Builder; la ruta oficial de Microsoft Learn para implementar modelos de IA con AI Builder describe sus capacidades. Si el agente toca datos personales, la Ley 21.719, que entra en plena vigencia en diciembre de 2026, obliga a justificar cada acceso.

Fase 3: ¿La organización puede escalar el agente y operarlo?

Escalar un agente es un problema organizacional antes que técnico. “La principal barrera que vemos hoy no está necesariamente en desarrollar un agente, sino en contar con una organización preparada para escalarlo”, dijo Francisco Rojas, managing director de Data & AI de Accenture Chile, en el especial del DF. Los tres pasos finales apuntan a esa preparación.

7. Deja trazabilidad auditable desde el primer día. Cada ejecución debería registrar entrada, decisión, acción, aprobador y hora, en Dataverse o en la auditoría de Microsoft Purview. Cuando el agente prepara reportes para SERNAPESCA, la SMA o la CMF, ese registro es la evidencia. En proyectos de compliance, Muze ha medido 60% menos tiempo de preparación de informes.

8. Prepara a la organización para pasar de un agente a varios. Según las tendencias de Deloitte para Chile publicadas por el Diario Financiero (2026), en 2025 muchas iniciativas agénticas mejoraron la productividad individual sin impacto directo en el negocio. El desafío de 2026 es formar “equipos completos” de agentes, y eso exige dueños de proceso y responsables de excepciones con nombre y apellido.

9. Decide quién opera el agente después de la puesta en marcha. Un agente en producción necesita monitoreo, resolución de incidencias y ajustes cada vez que cambia el proceso o el formato de un documento. Las opciones son capacitar a un equipo interno o contratar automatización gestionada, donde Muze opera los flujos y agentes dentro del tenant Microsoft 365 del cliente. Antes de elegir, revisa qué exigirle a quien implementa antes de firmar.

¿Ya hiciste esto? Tabla de verificación

Antes de pasar a producción, los nueve pasos deberían estar marcados. En el criterio de Muze, los pasos 4 a 7 son bloqueantes: corresponden a los controles que el CENIA y ACTI identificaron en el especial del DF del 21 de agosto de 2026, y ninguno se agrega bien a posteriori.

¿Por dónde empezar?

El primer paso concreto es elegir un solo proceso documental y medir su línea base antes de construir nada. Con 49% de las empresas piloteando y solo 23% obteniendo valor sostenido (Accenture, 2026), la diferencia rara vez está en el modelo y casi siempre en los pasos 3 a 9 de este checklist.

Si quieres revisar qué proceso de tu operación califica y qué controles le faltan, Muze AI ofrece un diagnóstico IA gratuito en muze.cl. El resultado es un mapa del caso, sus acciones críticas y los sistemas involucrados, antes de comprometer presupuesto.